Category: Uncategorized

Kurssikerta 7 – karttojen tekoa itsenäisesti

 

Aineiston etsimistä ja valmistelua

Jouduin edelleen pysymään kotona karanteenissa, mutta minäkin pääsin tekemään karttoja, joiden aiheet sain valita itse. Aloitin lataamalla kuntien avainlukuaineiston vuodelta 2019 StatFin -palvelusta. Tämän jälkeen käytin QuickMapServices -pluginia, josta valitsin taustakartan pohjaksi. Ohjeena oli esittää vähintään kaksi muuttujaa per kartta. Toisen muuttujan valitseminen ja aineiston löytäminen toikin jo haasteita mukanaan. Halusin käyttää kurssikerran erilaisten Suomen kuntien väestömuuttujien visualisointiin.

Tarkoituksenani oli ensin tarkastella koulutuksen jakautumista Suomen kunnissa – olenhan aineenopettajaopiskelija ja siksi kiinnostunut koulutuksesta. Ensimmäisessä kartassa tarkastelin alle 15-vuotiaiden suhteellista osuutta Suomen kunnissa sekä oppilaitosten sijaintia.

Valmiit kartat ja niiden analysointi

Alla on tekemäni koulutusaiheinen kartta sekä työttömyysaiheinen kartta. Ensimmäisestä kartasta voi päätellä, että alle 15-vuotiaiden osuus on suurin siellä, missä on eniten oppilaitoksia. Perheet sijoittuvat lähelle lasten kouluja. Siellä missä ei ole oppilaitoksia ei myöskään ole juurikaan alle 15-vuotiaita. Oppilaitoksien keskittymiä on Suomen suurimmissa kunnissa.

Kuva 1. (*alle 15-vuotiaiden) Kartassa näkyy alle 15-vuotiaiden osuus Suomen kunnissa ja pisteinä oppilaitoksien sijainti

Toisessa kartassa tarkastelin kuntien työttömyysprosenttia ja yli 64-vuotiaan väestön (%) osuutta. Laskin itse kuntien työttömyysprosentin. Voidaan olettaa, että siellä, missä väestöstä suuri osa on yli 64-vuotiaita, niin on myös enemmän työttömyyttä. Toisessa kartassa on hieman vaikea nähdä lukuarvoja zoomaamatta, joten ehkä olisin voinut keksiä toisen tavan visualisoida työttömyysprosentin. Lisäksi ongelmia tuotti kartan zoomaus ilman hiirtä macbookilla, jonka vuoksi Suomi rajautui hieman oudosti.

Kuva 2. Työttömyysaste ja yli 64-vuotiaiden suhteellinen osuus kunnittain.

 

Loppusanat

Kaiken kaikkiaan olen tykännyt tästä kurssista paljon! On ollut hienoa oppia käyttämään QGIS:iä, joka oli minulle aiemmin täysin tuntematon ohjelma. Uskon, että QGIS:in osaamisesta on hyötyä tulevaisuudessa – niin opinnoissa kuin työelämässäkin. Ohjelman kanssa on välillä myös turhauttanut, mutta on ollut hienoa ratkaista itse ongelmia ja saada lopulta kartat onnistumaan. Samaistun Eevan seuraaviin sanoihin, jotka hän jakoi blogiinsa: ”Päätin kotona vielä laittaa aineiston sellaiseen kuntoon, jotta minun olisi helppo muokata sitä luokassa. Tämä kuulostaa helpolle. Mutta oikeasti se oli jäätävä työmaa — Kokeilin useita tunteja saada dataa järkevään muotoon – tuloksetta”. QGIS:in kanssa on joutunut usein olemaan kärsivällinen, sillä aina ns. helpotkaan asiat eivät hoidu nopeasti, vaan ne pitää tehdä vaikeamman kautta.

On myös kiva, että blogista voi seurata omaa ja muiden kurssilaisten edistymistä. Olen ylpeä siitä, että tein tehtävät blogiin lähes joka viikko heti kurssikerran jälkeen, koska muutkin kurssit vievät paljon aikaa. Koen, että osaan nyt käyttää QGIS:iä itsenäisesti – ainakin perustoimintoja. Kiitos mukavasta kurssista! 🙂

 

Lähteet:

Oppimassa geoinformatiikkaa, https://blogs.helsinki.fi/eevaraki/ luettu 3.3.2022

Viikko 6

Kurssikerran tehtäviä kotona

Tämä kurssiviikko onkin hieman erilainen, sillä joudun tekemään tehtävät kotoa käsin sairastumisen vuoksi. Tehtävien teko on varmasti haastavampaa ilman ohjausta, mutta tämä onkin todellinen testi siitä, osaanko oikeasti käyttää QGIS:iä. En valitettavasti päässyt osallistumaan yhteiseen Epicollect5 -sovelluksen käyttöön ja datan keräykseen, mutta keräsin dataa kotiseudultani. Epicollect -sovelluksessa pystyy luomaan projektin ja keräämään kordinaattitietoja. Onneksi sain tietoa sovelluksen käytöstä myös kurssikerran luentovideosta. Kurssikerran tärkeä aihe oli kohteiden viihtyvyys, mitä tuli arvioida kohteista, joista kerättiin sijaintitietoa. Visualisoin itse kohteiden turvallisuutta. Pääsin myös käyttämään ensimmäistä kertaa plugineja, mikä osoittautui käteväksi. Tämän jälkeen harjoittelin interpolointia keräämällämme aineistolla.

Varsinaisten kurssikerran tehtävien tekeminen ja hazardikarttojen tuottaminen tuntui kotioloissa aluksi vaikealta, mutta ohjeiden lukeminen huolella auttoi ja sain lopulta joitain karttoja aikaiseksi 😀

Hazardi -teemakartat: maanjäristykset, tulivuoret ja meteoriittien putoamispaikat

Aloitin tuomalla dataa ja taustakartan QGIS:iin. Tämä ei tietenkään sujunut ongelmitta, varsinkin kun jouduin tekemään kartat kokonaan itsenäisesti kotona. Kun olin viimein saanut tekstitiedoston aikaiseksi ja taustakartan ohjelmaan, niin QGIS ei suostunut tunnistamaan x- ja y-koordinaatteja. Tästä seurasi, että tekstitiedoston lisääminen piti tehdä vaikeamman kautta, eli muuttamalla txt-muotoinen tiedosto csv-muotoiseksi.

Karttojen analysointi ja lopputurinat

Hazardikartat tuli tehdä se mielessä, että niitä voisi käyttää apuna opetuksessa. Kokeilin aluksi visualisoida viimeisen 30 päivän aikana tapahtuneita vähintään viiden magnitudin maanjäristyksiä maailmalla (kuva 1). Toisessa kartassa (kuva 2) vertailin viimeisen 30 päivän aikana tapahtuneiden järistyksen ja tulivuorten sijaintia. Mielestäni kartat sopivat hyvin opetukseen, sillä taustakartta on selkeä ja pisteet erottuvat siitä hyvin. Kuten Taru blogissaan sanoo, toimivat kartat havainnollistajina opetuksessa. Tarun mukaan oppilaat voisivat esimerkiksi pohtia ensin ryhmissä, mitä karttojen pohjilta voisi todeta maanjäristyksistä. Olen samaa mieltä Tarun kanssa siitä, että karttoja voisi käyttää litosfäärilaattojen selityksessä ja muun maanjäristystermistön opetuksessa.

Olen itse aineenopettajaopiskelija, joten aion harkita vastaavien karttojen käyttöä opetuksessa. Kolmannessa kartassa on 7 päivän aikana tapahtuneet järistykset. Oppilaille voisi havainnollistaa, miten usein järistyksiä tapahtuu maapallolla. Kartasta 2 voi huomata, että tulivuorten ja maanjäristysten välillä on yhteys, eli maanjäristykset ja tulivuoret sijaitsevat usein samoilla alueilla.

Kuva 1. Yli viiden magnitudin järistykset viimeisen 30 päivän aikana.

Kuva 2. Viimeisen 30 päivän aikana tapahtuneet järistykset ja tulivuorten sijainti.

Kuva 3. Kartassa viimeisen 7 päivän aikana tapahtuneet järistykset ja tulivuoret (viim. purkautumisluokka U).

 

Lähteet:

Geoinformatiikkaa tutkimassa :),

blogs.helsinki.fi/tornitar Luettu 1.3.2022

 

Kurssikerta 5

Harjoittelimme teiden pituuksien laskemista, intersect -työkalua ja clip -työkalun käyttämistä QGIS:issä. Tämän jälkeen harjoittelimme vektorianalyysiä buffering. Bufferoimme terveyskeskuksen ja koulun ja tarkastelimme niiden vyöhykkeiden sisällä ja ulkona olevia rakennuksia. Bufferointi oli yllättävän yksinkertaista, mutta varmasti tähän vaikutti se, että opettaja näytti prosessin taululla  Ohjelman käyttö onkin tuntunut helpolta opettajajohtoisesti, mutta kotona komennot ovatkin saattaneet jo unohtua. 🙂 QGIS:in käytön aloittaminen itsenäisesti olisi ollut varmasti vaikeaa. Kun opettaja näyttää mitä työkaluja kannattaa käyttää ja mistä työkalut löytyvät, tuntuu käyttö yksinkertaiselta

Lentokenttätehtävät ja mitä olen oppinut tähän mennessä?

Alkutehtävien jälkeen päästiinkin itsenäisten tehtävien pariin. Pääsin hyödyntämään tähän asti oppimiani asioita. Monet komennot olivatkin jo sopivasti unohtuneet – esimerkiksi miten piirtotyökalut saadaan aktivoitua. Bufferointi onnistui kuitenkin yllättäen ongelmitta. Itse digitointi onnistuu kuitenkin hyvin. Uskon, että tarvitsen kertausta useimpien työkalujen käytössä. Ongelmienratkaisutaitoa tarvitaan QGIS:in käytössä!

Kurssikerralla selvisi, että puskurityökalua voi käyttää esimerkiksi vesistöjen bufferointiin, sillä pellot eivät saa sijaita liian lähellä vesistöjä. Lisäksi tarkastelimme tunnilla, miten suuri osa asukkaista asuu tietyllä etäisyydellä esim. terveysasemasta tai koulusta. Itsenäistehtävässä tutkimme etäisyyksiä  lentokentästä ja meluhaittoja sekä julkisen liikenteen asemien läheisyydessä asuvien ihmisten määrää. Asukkaiden valinta bufferin sisällä oli helppoa, mutta vaikeuksia tuotti se, että piti valita asukkaita esimerkiksi bufferin sisältä SEKÄ tietyltä melualueelta. Uskon, että ohjelman kanssa taistelu luo muistijälkiä ja ehkä ensi kerralla onnistuu taas paremmin. Onnistumisen kokemuksiakin pääsi syntymään. 🙂 Oli hienoa, jos sai keksittyä itse ratkaisun ongelmaan. Ohjelma kaatui taas muutaman kerran tunnin aikana, mutta onneksi muistin tallentaa ennen sitä. Tällä hetkellä hallitsen hyvin bufferoinnin ja valintatyökalujen käytön, kartan ulkoasun muokkaamisen ja digitoinnin. Muiden työkalujen käyttäminen vaatii vielä harjoittelua. Alla olevassa linkissä on taulukko, johon olen koonnut (varmaankin epätarkat) vastaukset ensimmäisistä itsenäistehtävistä.

Taulukko

Itsenäistehtävä: Koulut

Pääsin kokeilemaan QGIS:in käyttöä taas kotioloissa. Luonnollisesti valitsin opettajaopiskelijana kouluaiheisen tehtävän. 😀 Koulutehtävässä pääsin harjoittelemaan bufferointia lisää, mikä tuli varmasti tarpeeseen. Alla on vastaukset tehtävän kysymyksiin.

• Kuinka paljon Helsingin Yhtenäiskouluun on tulossa uusia koulutiensä aloittavia oppilaita aineiston keruuhetkestä seuraavana vuonna, sen omasta koulupiiristä?: 14
• Kuinka suurta määrää yläasteikäisiä oppilaita Helsingin yhtenäiskoulun pitää varautua opettamaan seuraavana vuonna (oma koulupiiri)?: 62
• Kuinka suuren osuuden koulupiirin alueella asuvista asukkaista muodostavat kouluikäiset lapset ja nuoret (ala-aste ja ylä-aste)?: n.9,5%
• Kuinka monta muunkielistä kouluikäistä alueella asuu, jos oletetaan että muunkielisissä perheissä lasten ja aikuisten suhde on sama kuin edellisessä kohdassa laskettu? Luku on vain arvio, ei siis tarkka lukumäärä.: n.10

Tällä hetkellä ohjelman käyttö onnistuu ajoittain hyvin. Onnistumisen kokemuksia syntyy, mutta välillä tulee virheitä ja komennot unohtuvat. Olen samaa mieltä Jessikan kanssa, joka sanoi blogissaan, että QGIS:in komentojen muistaminen vaatii vielä rutiinia ja keskittymistä. Uskon, että pystyn kurssin jälkeen hyödyntämään QGIS:iä tarvittaessa ja osaan peruskomennot. Ensi viikkoon! 🙂

 

Liitteet:

Jessikan GIS-hurvittelut, https://blogs-test.it.helsinki.fi/jessikangishurvittelut/, luettu 20.2.2022

Tehtävä 1

Tutustuimme neljännellä kurssikerralla piste- ja ruutuaineistoihin. Aluksi tarkastelimme pääkaupunkiseudun pisteaineistoja ja teimme myös itse ruutuaineiston. Ruutujen koko on 1km x 1km. Yhdistimme ruutu- ja pisteaineistoihin lisäksi yksityiskohtaisen pääkaupunkiseudun väkiaineiston. Ruudukon teko ja aineistojen yhdistely tuntui vaihteeksi yksinkertaiselta ainakin oppitunnilla. Huomaan, että ohjelman käyttäminen on jo hyvinkin tuttua, eikä alun pikkuvirheitä ja unohduksia tapahdu niin usein. Koen, että QGIS on ajoittain Corelia yksinkertaisempi.

Tutkimme mm. muunkielisten, ulkomaan kansalaisten ja ruotsinkielisten osuutta eri pääkaupunkiseudun ruuduissa. Laskimme myös muunkielisten osuuden prosentteina ruuduittain. Alla on tuottamani kartta muunkielisten osuuksista (kuva 1).

 

Kuva 1. Muunkielisten suhteellinen osuus (%) pääkaupunkiseudulla.

Analyysiä kartasta

Olen samaa mieltä Katariinan kanssa siitä, että ruutukartan lukeminen on helppoa, jopa helpompaa kuin muiden teemakarttojen. Ulkoasu on kuitenkin yksinkertainen tai jopa pelkistytte, kuten Katariina sanoo blogissaan. Kartasta olisi tehnyt hienomman suuralueiden nimeäminen, kuten esimerkiksi Janne oli tehnyt omassa kartassaan. Tämä olisi helpottanut tulkintojen ja analyysien tekemistä huomattavasti! Toisaalta sininen estää mm. jokien ja järvien näkyvyyden, joten olisin voinut valita karttaan toisen värityksen.

Huomasimme, ettei kenenkään kartasta tullut aivan samanlaista, sillä ruudukko piirrettiin itse. Tästä syystä karttojen tulkinnassa tulee olla varuillaan.  Ruututeemakartalla voi esittää absoluuttisia arvoja, koska ruudut ovat keskenään samankokoisia. Tästä syystä niitä voi verrata keskenään. Omassa kartassani olen kuitenkin käyttänyt suhteellisia arvoja. Muunkieliset ovat keskittyneet pääkaupunkiseudulla tiettyihin paikkoihin. Esimerkiksi itäisessä suurpiirissä asuu valtava osa Helsingin muunkielisistä. Asuinpaikan valintaan vaikuttaa useat sosiaalisia, kulttuurisia ja taloudellisia tekijät.

 

Tehtävä 2

Seuraavaksi tarkastelimme ensimmäistä kertaa rasteriaineistoa Pornaisten seudulta. Harjoittelimme mm. korkeuskäyrien piirtämistä, rasteritasojen yhdistämistä ja rinnevarjostuksen käyttämistä. Tuotimme lisäksi kaiken tämän päälle korkeuskäyrät, joita pystyi vertailemaan esimerkiksi rinnevarjostukseen. Karttaan piirtäminen toi mieleen muistot edellisiltä kursseilta 🙂 Selkeästi karttoja on digitoitu paljon, sillä homma muistui nopeasti takaisin mieleen.

Alla olevassa kuvassa, eli kuvassa kaksi, on keskeneräinen Pornaisten kartta, johon on jo digitoitu rakennuksia pisteinä ja teitä viivoina. Karttapohjaan lisätyt korkeuskäyrät ja rinnevarjostus voi lisäksi nähdä. Kyseisen kartan parissa jatketaan seuraavilla kerroilla, joten digitointi ei lopu vielä tähän!

 

 

Kuva 2. Rinnevarjosteet, korkeuskäyrät ja aloitettu digitointi (talot, tiet)

Lähteet

Katariinan blogi, https://blogs.helsinki.fi/karvkata/?lang=en 

luettu 9.2.2022

Geoinformatiikan mystiset menetelmät, https://blogs.helsinki.fi/janneturunen/

luettu 9.2.2022

 

Tietokannat & niiden yhdistäminen

Harjoittelimme kurssikerralla tietokantojen käyttöä ja erilaisten taulukoiden yms. lisäämistä ja yhdistämistä tasoihin. Tätä harjoiteltiin Afrikka-ainaiston parissa, josta tein lopulta myös teemakartan (ks. kuva 1). Alkuperäinen aineisto ei sisältänyt muuta tietoa kuin maat ja niiden koodit, joten muu data piti tuoda ohjelmaan uutena tasona. Tietokantojen yhdistely oli suhteellisen helppoa, kunhan keinot on oppinut kerran. Välillä tietokantojen kanssa työskentely oli monivaiheista ja jokin vaihe unohtui välistä. Onneksi olen käyttänyt Exceliä ja muita tilasto-ohjelmia opinnoissani paljon, joten excel -aineiston siirtäminen QGIS:iin csv-muodossa ei tuottanut vaikeuksia. Alkuperäiselle kartalle laskettiin esimerkiksi öljyesiintymien ja timanttiakaivosten määrä valtioittain ja myöskin konfliktien lukumäärä ja ajanjakso / valtio. Onhan tietysti tärkeää huomata, jos esimerkiksi suuri osa tietyn valtion konflikteista on tapahtunut lyhyen ajanjakson aikana. Uskon, että tietokantojen yhdistely on taito, josta on varmasti hyötyä tulevissa tehtävissä ja muilla kursseilla! Tuottamani teemakartta tietoineen näkyy alla (kuva 1).

Kuva 1. Kurssikerralla tuotettu kartta, jossa esitetään pisteinä Afrikan konfikteja ja timanttikaivoksia ja alueina öljy- ja maakaasuesiintymiä. Lähde: PRIO (2020)

 

Päätelmiä Afrikka -aineistosta

Pohdin seuraavaksi, mitä päätelmiä yllä olevasta kartasta voisi tehdä. Karttaan on tallennettu pitkä lista muuttujia, joihin kuuluu esim. Internetin käyttäjien lukumäärä/vuosi, konfliktin tapahtumavuosi ja säde sekä monia timanttikaivoksiin ja öljykenttiin liittyviä muuttujia (esim. niiden tuottavuusluokittelu ja löytämisvuosi).

Kuten Taru Tornikoski blogissaan toteaa, tulee teemakarttojen tulkinnassa olla tarkkana, eikä niin sanottuun maalaisjärkeen tule aina luottaa. Tulin kuitenkin Tarun kanssa samaan johtopäätökseen karttani perusteella: timantti- ja öljykaivosten läsnäolo näyttäisi korreloivan konfliktien kanssa. Vaikka voisi kuvitella, että kaivostoiminta ja timantit tuovat varallisuutta ja esimerkiksi työpaikkoja kansalle, niin on siinä aina riskinsä. Kaivostoiminnasta aiheutuu erilaisia haittoja ympäristölle ja työolot kaivoksissa saattavat olla huonot. Voi toki olla monia syitä siihen, miksi kaivostoiminta näyttäisi lisäävän konflikteja ja laajempaa tutkimusta tarvitaan, jotta voidaan todeta kaivoistoiminnan ja konfliktien välinen riippuvuus. Olen myös samaa mieltä Tarun kanssa siitä, että myös konfliktien tapahtumavuosia tulisi verrata kaivostoiminnan aloitusvuosiin, jotta voitaisiin tietää onko korrelaatio tilastollisesti merkitsevää. Muita mieleeni tulevia haittoja voisivat olla mm. melu, syntyvät jätteet, esteettinen haitta ja vesistöjen pilaantuminen.

 

Teemakartan tekoa

Seuraavaa karttatehtävää aloitin jo oppitunnilla ja jatkoin kotona. Kartan tekeminen oli yllättävän helppoa – nähtävästi jotain jäi siis mieleen luennolta. Työn tavoitteena oli vertailla vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä. Tulvaindeksin laskeminen sujui helposti field calculator -toiminnolla. Opin myös uutta termistöä esim. alivirtaama & ylivirtaama, joita en ainakaan muista oppineeni aiemmin. Tyydyin tällä kerralla helpompaan perusversioon tehtävästä, jotta oppisin QGIS:in perusteet kunnolla.

Kuva 2. Tulvariskikartta ja järvisyys

Tekemästäni kartasta (kuva 2) voidaan tulkita, että suurin tulvariski on Itämeren rannikkoseudulla. Suurimman tulvariskin alueet näkyvät tummemman sinisellä. Voidaankin päätellä, että järvisyys ei välttämättä lisää tulvariskiä, sillä esim. järvi-Suomen alueella tulvariski on suhteellisen matala. Korkea tulvariski on mm. Uudellamaalla, Varsinais-Suomessa ja Pohjanmaalla. Voidaan todeta, että meren rannikon läheisyys lisää tulvariskiä, kun taas järvien läheisyys ei juurikaan. Tunnetusti Pohjanmaalla on paljon tulvia, joista myös uutisoidaan usein. Tämä johtuu siitä, että alue on matalaa ja siellä on jokia, jotka tulvivat etenkin lumien sulamisvaiheessa. Näihin päätelmiin palataan myöhemmin kurssilla, joten katsotaan osuivatko päätelmäni oikeaan :D.

Lähteet:

Taru Tornikoski, https://blogs.helsinki.fi/tornitar/

Mitä opin luennolla?

Käsittelimme luennolla erilaisia GIS:in mittauksia, valintoja ja erilaisia aineistoja ja niiden valintaa. Opin, että datan lähteitä on paljon ja suuri osa niistä on käyttäjälle ilmaisia. Tarkastelimme esimerkiksi Tilastokeskuksen ja Väyläviraston (ent. Liikennevirasto) aineistoja QGIS:sä. Mittasimme oppitunnilla etäisyyksiä ja pinta-aloja käyttäen erilaisia projektioita ja totesimme niiden tuottavan erilaisia tuloksia. Toteutimme mittauksistamme Excel -taulukon, joka löytyy alta (kuva 1). Harjoittelimme ilmaisen paikkatietoaineiston hankkimista mm. Tilastokeskuksen sivuilta, ja lopulta rajapintojen käyttö olikin helpompaa kuin aluksi luulin. Rajapintoihin kuuluu mm. WFS- ja WMS-aineistot. Pieniltä virheiltä ei kuitenkaan säästytty ja ohjelman käytössä vaaditaakin toistoja, jotta ns. Komennot jäävät mieleen.

 

 

 

 

 

Kuvat 1 ja 2. Kurssikerran mittauksia ja pinta-alojen vertailuja (ellipsoidi vs cartesian) ja eri projektioissa.

Erilaiset projektiot ja niiden vääristymät

Kun maapallon kolmiuloitteinen pinta esitetään kaksiuloitteisena, niin tunnetusti kuva on vääristynyt. Projektio voi olla oikeapintainen, oikeakulmainen tai oikeapituinen. Seuraavaksi vertailimme erilaisia koordinaatistoja ja niiden tuottamia vääristyksiä pinta-aloissa. Alla on ensimmäinen karttani (kuva 2), jossa vertailen Robinsonin projektion pinta-aloja ja Tm35 -koordinaatiston aloja. Robinsonin projektio on niinsanottu kompromissi, jossa vääristymät on pyritty pitämään mahdollisimman pieninä. Vääristymät ovat Robinsonin projektiossa suurimmat lähellä napoja.  ETRS-TM35FIN on poikittaiseen Mercatorin projektioon sekä UTM-projektion 35. kaistaan perustuva projektio. Se kuvaa Suomen aluetta hyvin todenmukaisesti. Vertailenkin siksi TM35 -pinta-aloja muiden projektioiden esittämiin aloihin. Myös Mercator -projektio vääristää pinta-aloja eniten napa-alueilla, kuten myös Olivia sanoo blogissaan. Hänen mukaansa karttojen vääristymät vaikuttavatkin mielikuviimme valtioista.

Kuva 3. Vertailussa Robinsonin- ja TM35 -projektion pinta-alojen eroja.

Kartoissa pinta-alat vääristyivät, mutta niiden lisäksi myös muodot vaihtelivat projektioiden välillä. Projektioiden visualisointi lisäsi ymmärrystäni niistä, sillä aluksi projektioiden ymmärtäminen saattaa olla hankalaa. Mercator tunnetusti vääristää pinta-aloja.

 

 

Kuva 4. Mercatorin projektion ja TM35 -projektion pinta-alojen eroja.

 

Lähteet:

https://blogs.helsinki.fi/tfolivia/

0-14-vuotiaiden osuus kunnissa -visualisointi

Aloitin aluksi helpomman tehtävän tekemisen. Tajusin, että tietokoneeni ei sovellu hyvin QGIS -ohjelman käyttöön, joten päätin jättää tehtävän alkuviikkoon ja tehdä sen koulun tietokoneella, jossa käyttö on mutkattomampaa. Ensimmäisessä tehtävässä tuli luoda koropleettikartta 2015 -vuoden kunta-aineistosta ja valmiita muuttujia tuli visualisoida haluamallaan tavalla. Visualisoin aluksi lasten, eli 0-14 -vuotiaiden suhteellisen osuuden kunnittain ja tämän jälkeen ruotsinkielisten suhteellisen osuuden (kuva 1). Luin Senjan blogipostauksen vertailun vuoksi, sillä hän oli visualisoinut saman muuttujan. Hänen karttansa näytti mielestäni samalta kuin omani.

Lasten suhteellinen osuus kiinnosti minua, sillä halusin tietää, missä kunnissa lapsia saadaan eniten. Tämän olisi toki voinut selvittää myös visualisoimalla suhteellisen syntyyyden. Huomasin Senjan tavoin, että pienikin valinta muuttaa kartan ulkoasua jopa dramaattisesti. Minulle oli vielä epäselvää, minkä luokkajaon käyttö olisi paras kyseiselle koropleettikartalle. Senja oli käyttänyt kartassaan kvantiililuokkajakoa ja tasavälistä luokkajakoa. Päätin itse käyttää tasavälistä luokkajakoa ja viittä luokkaa. Karttani (kuva 1.) näkyy alla.

 

Kuva 1. 0-14 -vuotiaiden suhteellinen osuus Suomen kunnissa vuonna 2015.

Kartasta voimme huomata, että esimerkiksi itäisessä Suomessa on keskittymä, jossa on suhteessa hyvin vähän lapsia. Esimerkiksi Pohjois-Pohjanmaalla taas lasten määrä on suhteellisen suuri. Uusimaan alueella on myös  suhteessa paljon lapsia. Kartasta voi myös huomata, että pienempiä suuren lasten määrän keskittymiä on useita. Pohjoisessa Suomessa lapsia on suhteessa vähän, mutta tulee huomioida, että siellä asuu myös huomattavasti vähemmän ihmisiä. Syntyvyys on laskenut viime vuosina koko Suomessa. On kuitenkin mahdollista, että syntyvyyden lasku näkyy enemmän joissain kunnissa kuin toisissa. Esimerkiksi taloudellinen tilanne ja terveydenhuoltopalveluiden sekä koulujen yms. palveluiden saatavuus voi vaikuttaa asiaan.

 

Kuva 2. Histogrammi 0-14- vuotiaiden määrästä Suomen kunnissa vuonna 2015.

Ruotsinkielisten suhteellinen osuus -visualisointi

Seuraavaksi visualisoin ruotsinkielisten osuuden Suomen kunnissa v. 2015. Osasin ennustaa tuloksen jo ennen kartan tekoa. Arvaisn, että mm. Varsinais-Suomen, Uudenmaan ja  Pohjanmaan alueelle on keskittynyt paljon ruotsinkielistä väestöä mm. naapurimaan läheisyyden takia. Arvaukseni osuivat oikeaan, minkä voi nähdä kartasta (kuva 3). Maan keskiosissa on vähän ruotsinkielisiä kuten myös Lapissa, poislukien aivan Lapin pohjoisimmat osat, jossa ruotsinkielisiä on enemmän. En ole aivan varma, valitsinko karttoihin oikeat luokkavälit yms., ja tämä voi vaikuttaa lopputulokseen. Mielestäni kartat onnistuivat lopulta hyvin ja ilmiöt ovat mielestäni hyvin luettavissa molemmista kartoistani.

Kuva 3. Ruotsinkielisten suhteellinen osuus Suomen kunnissa vuonna 2015.

Useiden teknisten ongelmien jälkeen koen, että ohjelman kanssa taisteltuani osaan nyt ainakin sen peruskäytön. Ehkä seuraavalla kerralla yritän myös vaikeampaa tehtävää. 🙂

 

Lähteet:

https://blogs.helsinki.fi/senjamak/

 

 

 

 

MAA-201, Geoinformaatikan menetelmät

Kurssikerta 1

Käytin oppitunnilla QGIS -ohjelmaa ensimmäistä kertaa. Ohjelma osoittautui kuitenkin samanlaiseksi kuin muutkin käyttämäni paikkatieto-ohjelmat, vaikka teknisiä ongelmia aina tuleekin.  Uskon, että ohjelman käyttäminen sujuu hyvin jatkossa. Laskuominaisuus ja statistiikka -valikko osoittautuivat tosi käytännöllisiksi! Oppitunnin teoriaosuus oli minulle pääosin kertausta.

Oppitunnilla harjoiteltiin ohjelman käyttöä tarkastelemalla HELCOM -alueen typpipäästöjä. Typpipäästöistä tehtiin teemakartta (koropleettikartta) maittain. Kartasta voi nähdä, että Puolan, Venäjän ja Ruotsin typpipäästöt olivat suurimmat. Saksan ja Suomen typpipäästöt ovat myös korkeat. Esimerkiksi Viron ja Tanskan päästöt ovat aiemmin mainittuja maita alhaisemmat.

Kuva 1.  Helcom -alueen typpipäästöt maittain.

Mielestäni karttani onnistui ihan hyvin. Punainen väri tuo hyvin esiin eniten päästöjä tuottavat maat, kuten Puolan ja Venäjän. Tiesin jo aiemmin, että Puolan päästömäärä on suuri. Itämeri on minulle tärkeä aihe ja perehdyn siihen paljon biologian opinnoissani. Luin Eeva Rakin blogista asioita, mitkä vaikuttavat päästöjen määrän. Tähän kuuluu Rankin mukaan esimerkiksi teollisuuden ja maatalouden määrä valtiossa, valtion koko sekä sijainti.

Odotan innolla uuden ohjelman käyttöä ja toivottavasti sen käyttämisestä tulee luontevaa ajan kanssa! Mielestäni kartan ulkoasua olisi voinut vielä hieman säätää, mutta valitettavasti kurssiaika loppui kesken. Jatkossa siis lisää viimeistelyä!

 

Lähteet:

https://blogs.helsinki.fi/eevaraki/